吴三斌

（榆林职业技术学院管理工程系，陕西 榆林 719000）

随着大数据技术在数据采集、数据存储、数据计算和数据挖掘方面得到了广泛的应用，越来越多企业或者个人都想通过大数据技术在商业角度和社会效应上发挥更大的空间，提高管理效率。通过大数据技术从海量数据中获取有效、可靠的信息成为新型农业发展的前景，能有效提高农产品生产和流通效率，并借助云计算、物联网等智慧平台实时掌握农产品生产全流程的流转规律，可以有目标性地完成农产品的流向、精准推销和资源合理配置，减少对传统中间商的依赖，为农民增收提供保障。农村有着独特的地理环境和优势地域资源，所生产的农产品深受城市居民喜好，在农村农产品自身存在存储和运输困难的特点，而通过冷链的运输直接影响了产品口感和卖相，成为销售硬伤，这就使得农产品电商无法绕开大数据，农村电商大数据的应用是势在必行，摆脱传统大众化时代到个性化时代运转，让产品找到属于它的个性化需求的人群。

本文在深入了解榆林市农村电子商务的基本情况、地域特点和当地农村经济发展状况的基础上，探究了大数据时代农村电子商务发展的营销模式，以期有效提高农民收入，推动农业转型和农村经济的快速发展。

一、农村电子商务发展现状

农村电子商务在十三五期间发挥了重要作用，为农村脱贫作出重大贡献。如图1，十三五期间，我国农村网络零售额达到7.53万亿元，销售额占比上升8.77个百分点。农村发展中心继续加大农村电子商务的城乡发展，受到了学者的广泛关注。目前主流电子商务网站用户信息加密，用户很难获取到相关有用信息，从大量平台上挖掘信息成了获取信息的唯一途径。通过大数据技术可以个性化推荐用户所需求的信息和服务，不仅可以获取更多的利润，而且可以增加用户黏性，提升市场的核心竞争力。

图1 2014-2020年中国农村网络零售额和全国占比情况

虽然电子商务近年来发展势头迅猛，但农村电商依然存在一些不足。没有好的溯源系统对农产品进行跟踪，农产品质量安全问题成了首要问题；农村电商基础薄弱和竞争力不足，上行流量少，农产品市场核心竞争力弱，很难推广；部分农产品销售期短，加之物流基础设施较为落后，在市场上不易流通等问题较为集中，乡村5G创新应用、物联网建设、农村大数据中心建设相对来说较为落后，尤其是物流产业的快速发展，部分地区开始部署农村仓储，为日后生鲜农产品下行提供了良好的前提；农产品品牌化和标准化较低，虽然农产品品类初步形成，具有地域性、季节性、多样性、周期性等特征，容易形成产品同质化，进入市场优势不够突出，分散的经营主体，缺少统一的品牌，很难形成鲜明的地域特色；农产品推广方式传统，不能获取更多的流量；通过新型媒体平台以及兴趣电商+直播带货，利用用户对大V、大卡的黏性成本较高，整体效益较差。

二、大数据的定义和特征

大数据（BigData）定义通常是从其数据的规模性来，是指无法在一定时间范围内进行数据采集、数据管理和数据分析处理且工作能力高于传统数据的信息数据集合，是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长和多样化的信息资产。其具有4V特征：数据量大。大数据往往是对全量数据进行采集和分析，以此其产生的数据规模远远超出传统数据的采集，据估算，2025年世界上存储的数据总量达到175ZB，即175X210GB。数据类型繁多，指的是数据结构复杂，有结构化的数据、非结构化的数据和平结构化数据，其数据类型早已不是单一的文本，如网络日志、多媒体信息、地理位置信息等多种类型的数据格式，对计算提出了新的要求。数据产生速度快，包含两层意思，其一是指数据产生的快，其二是指数据处理的速度快，数据处理按“一秒钟定律”，即在秒计时间内完成数据的采集、挖掘和分析，并将有用信息推送到应用端，超过这个时间，则被认为数据失去了价值；数据价值密度低，海量数据居多，并且有些应用只是对这些大量数据中提取其中一小部分信息。大数据的应用，重点不在于堆积数据，而是在于数据的利用，以做出更好、更科学的决策，因此大数据的核心在于海量数据的分析和应用。

三、农村电商大数据关键技术

（一）大数据采集

农产品电商数据采集就是对数据进行端到端的抽取、转换、加载到目的端的操作，也称为ETL操作，它是数据分析生命周期中最重要的一个环节，通过传感器、射频技术、APP数据、质量监管部门提供的数据等方式获取数据。由于数据非常复杂，需要一些采集工作进行事先处理，将数据加载到制定的数据库中。

（二）大数据预处理

通常大数据平台采集的数据较为复杂，可以认为是“脏”数据，比如缺少属性值或者仅仅包含聚集数据等，因此需要对数据进行预处理，常见的数据预处理包含如下几种方式：一是数据清洗，用来对数据进行降噪，或者对错误数据进行纠正。二是数据集成，将采集到的数据进行统一处理和存储。三是数据归约，通过聚集、删除冗余的数据降低数据存储空间。四是数据变化，把数据压缩到一个较小的范围或者区间。

（三）大数据存储

大数据的存储需要特定的设备，其具备高效率、高吞吐量、高运算、高空间的特点。为了能够快速、稳定存储有极大差别的数据，至少得磁盘阵列，同时也得通过分布式的方式将不同区域、类别、级别的数据存放于不同的磁盘阵列中。在分布式存储系统中包含多个自主的处理单元，通过彼此之间的协作来完成分配的任务，其主要包含两类存储系统，分布式文件系统、分布式键值系统。

（四）大数据挖掘与分析

数据分析与数据挖掘的目的就是在海量数据之中挖掘出其内在的关联或者规律信息进行二次利用。其按内容可分为可视化分析与数据挖掘算法两大类，常见的算法有岭回归、决策树、Lasso、随机森林、神经网络和线性回归等。电子商务网站从点击量、浏览历史和行为中实时发现顾客即时购物的意图和喜欢的产品，并根据这些数据进行推送商品，这就是数据块的价值，也是大数据的应用所在。

四、大数据背景下农村电商营销策略及对策

（一）农村电商营销中大数据的应用策略

大数据是现代社会高科技发展的产物，相对于传统的数据分析，它是海量数据的集合，以采集、整理、存储、挖掘、共享、应用、清洗、评估为核心，被广泛应用各个领域。在电子商务领域也有着自己的独特的地位和价值，它打破了农产品销售的时间限制与空间阻滞，借助大数据技术能够在农业生产、科学种植、产品营销、仓储运输、售后服务等方面有着重要的应用价值，表现为资源的整合与配置、重塑农产品流通渠道、降低中间成本、缩短农产品交易周期和提高农产品销售效率。

在大数据产业链中，数据提供商可以通过移动终端APP、WEB、IoT实时获取整个产业链上的信息进行统一处理和管理；基础设施提供商可以通过传感器、RF、NFC、智能摄像头、仪器设备等进行数据的采集和预处理，包括基础信息、业务、服务、投诉、客户信用、营销推广等信息的采集；分析与挖掘层通过算法对原数据进行组织与处理。在种植前选种的应用，包括土壤、病虫、毒害、优质品种；在土壤整改中的应用：土壤的营养成分、土壤的肥料分布、精准调配肥料和合理喷药；在种植过程中包括对害虫病毒进行预测、防治病虫害、光照信息、疫情情况、农产品市场行情、贸易信息的更新。

（二）大数据背景下农村电商营销对策

农业生产通过大数据技术科学种植，按照农业生产的地域性、季节性、多样性和周期性特点，进行科学推测和监测，包括种植种子发芽状态、土壤湿度、地表温度、土壤养分、肥料信息、农药信息、农产品生长等数据。利用大数据农业生产或者农产品生产中可以从经验种植向科学种植转化、从传统人工化向智能化、自动化发展，并对农业资源进行优化配置，由粗放型的农业生产方式向集约化发展。

利用大数据+区块链+云计算技术，通过建立大数据中心，可对数据从土壤信息、种植信息、生产加工信息、运输信息到消费者全流程溯源信息追踪，提高产品在市场上的核心竞争力。合理利用大数据保证个性化信息推荐精确度，云计算可以提供基于海量数据的创新型服务，二者相互联系，密不可分。通过云计算（SaaS、PaaS、LaaS）服务来降低大数据海量数据存储、分布式并行计算、海量数据管理业务的创新成本。通过建立基于区块链溯源系统，利用区块链其透明性、去中心化、不可篡改等特性在电商农产品上行问题上提供了新的解决思路。

利用大数据平台，进行电商内在数据之间的关联挖掘和分析，提高客户的转化率。通过在电商个性化推荐系统或者第三方电商平台上对消费者的行为习惯数据进行个性化、智能化的追踪分析和推荐，提高消费者的体验感知。其主要技术有三种：一是协同过滤法，通过对既定客户相同偏好的消费群体进行分析和预测该消费者可能的兴趣点，借助数据挖掘技术和RSS技术定期进行商品内容、热点信息、偏好喜好以及定制内容个性化和精准化推销。二是客户群体建模技术，通过抽取商品内在或者外在特征提取出相关属性进行相似度计算，对消费者倾向的产品进行管理。三是通过对电商平台类目进行精细划分，顾客可以快速找到适合自己的商品，节约客户网上浏览时间，增加商家的销售量，为不同的客户提供不同的推荐服务。

图2 大数据电商产业链示意图

智能规划物流仓储中心，减少运营成本和提高用户消费感知度。通过大数据分析某个区域产品消费指数，对不同区域的农产品进行划分，抽取出该地区的用户画像，按照时间和空间两个维度进行本地化建仓和分销。通过大数据平台获取用户商品浏览、购买、停留时长、评论、收藏等记录信息，为用户创建一个新的标签，并建立用户画像模型，分析该区域的消费水平和消费特点，进行物流仓储的创建，提升农产品配送速度。根据用户时空的变化推荐不同的产品满足客户的实时需求，更加刺激用户消费。以精准的二次推送，来提高客服单价，营造一个良好的营销口碑。

利用智能客服分析系统提高售后服务质量。用历史数据和新数据进行机器学习，提高在线客服的话术准确度，在大数据系统中根据用户属性对消费者进行等级评定，按照消费者购买记录、浏览停留时长、产品评价等用户行为习惯参数，为客户进行等级划分，为其推荐不同等级的客服人员+智能机器人，快速解决用户的问题。售后服务中可通过系统实时反馈的数据进行预测用户的想法，定期进行跟踪客户，减少客户投诉，达到吸引新顾客、维持老客户的目的。为用户提供高质量的服务，增加客户平台的黏性。

五、结语

大数据挖掘其意义不在于数据本身，而是其隐藏信息的分析和应用才是有价值的。对这些数据的充分利用和挖掘是未来企业生存的能力。文中通过分析大数据技术在电子商务领域的应用现状和关键技术，提出了大数据背景下农村电商营销策略及对策，为农村电商的发展提供了方向，但对这些敏感的信息过度地挖掘，是对消费者权益的侵犯，同时也将会成为未来网络安全新的挑战，因此下一步将在数据处理的实时性和数据共享之间予以提升。